Новая экономика делегирования ИИ

Каждая крупная технологическая революция сначала меняет инструменты и только затем трансформирует способ работы людей. Сегодня многие все еще рассматривают ИИ как просто еще один инструмент повышения производительности. Я считаю, что это слишком узкая перспектива. Мы стоим на пороге гораздо более глубоких изменений, которые изменят саму структуру организаций и традиционное распределение ролей и ответственности.

Конец цепочки управления

Многие компании, особенно стартапы, начинают с того, что основатели берут на себя практически все функции бизнеса. Они строят продукт, приобретают первых клиентов и управляют операциями – все одновременно.

Однако, когда бизнес растет, эта модель неизбежно достигает своих пределов. Объем работы и необходимая экспертиза начинают превышать возможности основателей, и им необходимо постепенно делегировать ответственность и строить организацию, в которой разные функции принадлежат специалистам.

Генеральный директор делегирует часть своих полномочий руководителям отделов. Эти лидеры, в свою очередь, распределяют работу среди своих команд. Таким образом, постепенно формируется знакомая иерархическая структура организации.

На протяжении десятилетий, однако, эта система имела естественную границу. На самом низком уровне были индивидуальные исполнители, которые не имели никого, кому можно было бы делегировать работу. Они были теми, кто выполнял работу сами. В математике такая структура называется деревом, а ее конечные узлы называются листьями. В организациях эти листья отмечали конец цепочки делегирования.

Впервые в истории современного бизнеса эти листья теперь имеют кого-то или что-то, кому можно делегировать работу. Теперь практически любой специалист может передать часть своей нагрузки ИИ: цифровому агенту, способному производить первый черновик, проводить исследования, писать код, проверять документы или собирать информацию в течение нескольких минут.

Новый вид работника

Сегодня многие люди беспокоятся, что ИИ заменит человеческих работников. На первый взгляд, кажется логичным предположить, что чем больше работы компания делегирует ИИ, тем ниже будут ее операционные затраты. Но реальность более тонка.

Каждый акт делегирования имеет свою цену. Когда менеджер назначает задание сотруднику, компания платит зарплату этому сотруднику. Делегирование ИИ вводит совершенно другую экономическую модель. Вместо расходов на заработную плату компании несут затраты на базовые модели, использование API, вычислительные ресурсы, хранение данных, контекстные окна, интеграции и десятки других услуг, на которые современные цифровые агенты полагаются для эффективной работы.

По сути, организации получают нового вида работника. Этот работник никогда не берет отпуска и может работать круглосуточно, но он далеко не бесплатный. Поэтому одним из наиболее важных вопросов, с которыми сейчас сталкиваются компании, является не то, должны ли они использовать ИИ, а какие задачи действительно стоит делегировать цифровым агентам, а какие все еще более эффективно выполняются людьми.

У меня была возможность наблюдать этот сдвиг лично во время моей работы в Keymakr. Инструменты ИИ постепенно нашли свое место几乎 в каждой функции компании. Например, маркетинговая команда использовала цифровых агентов для выявления и анализа отраслевых событий, проведения рыночных исследований и сбора конкурентной разведки. В операциях ИИ взял на себя обработку документов, внутреннюю отчетность, поиск информации и многие другие рутинные задачи.

Меня больше всего впечатлило, как вдумчиво было реализовано это делегирование. Вместо замены людей ИИ выполнял повторяющуюся, трудоемкую работу, позволяя командам сосредоточиться на задачах, требующих человеческого суждения, творчества и стратегического мышления. Выгоды были видны на каждом уровне организации, от оптимизации повседневных рабочих процессов до поддержки крупномасштабных инициатив и кампаний компании.

Тогда я понял, что самое большое влияние ИИ заключается в фундаментальном изменении способа распределения работы внутри организации.

Скрытая стоимость ИИ

Одна из наиболее распространенных ошибок, которые совершают компании, заключается в оценке стоимости ИИ по цене ежемесячной подписки. На самом деле, это лишь небольшая часть общей экономики.

Реальные затраты начинают появляться, когда ИИ становится неотъемлемой частью повседневных бизнес-операций. Один агент анализирует документы, другой работает с CRM, третий готовит отчеты, а четвертый обрабатывает электронную почту. Каждый из них полагается на разные модели, потребляет разное количество данных и требует разных уровней вычислительных ресурсов. На этом этапе компания накапливает целую цифровую инфраструктуру.

Настоящая стоимость ИИ в конечном итоге определяется тем, насколько эффективно используется эта инфраструктура.

Допустим, два сотрудника получают одно и то же задание. Первый автоматически использует наиболее мощную и дорогую модель, независимо от того, насколько простым является запрос. Второй понимает, что в большинстве случаев достаточно меньшей и менее дорогой модели, сохраняя передовые модели только для задач, где они обеспечивают значительную дополнительную ценность. Результат может быть идентичным, но стоимость выполнения задания может различаться в разы.

То же принцип применяется к данным. Не каждый цифровой агент нуждается в обработке миллионов записей просто потому, что он технически способен это делать. Во многих случаях более эффективно сузить пространство поиска, уменьшить количество контекста, передаваемого модели, или переработать поток обработки данных. Эти, казалось бы, небольшие решения формируют экономику ИИ внутри организаций.

Я считаю, что в ближайшие годы компании будут конкурировать в том, насколько эффективно они управляют затратами на ИИ. Руководителям ранее приходилось учиться управлять людьми. Теперь им необходимо освоить другую дисциплину: управление цифровой рабочей силой. Победителями будут те, кто сможет добиться одинаковых результатов при最 низких затратах.

Первые работы, которые почувствуют сдвиг

Самые значительные изменения происходят в ролях, где большая часть повседневной работы состоит из структурированных, повторяющихся и информационных задач, которые можно делегировать ИИ. Это те среды, где экономика ИИ уже создает самый сильный бизнес-кейс.

Поэтому первые роли, которые изменятся, будут теми, которые построены вокруг большого количества структурированных, повторяющихся процессов. Сегодня ИИ принимается особенно быстро в таких областях, как дизайн, разработка программного обеспечения, юридические услуги, консалтинг и административная поддержка, просто потому, что значительная часть работы уже может быть делегирована.

Я считаю, что многие люди неправильно оценивают влияние ИИ. Они измеряют его количеством исчезнувших рабочих мест. Но многие профессии могут остаться, даже если их повседневная работа изменится так сильно, что через несколько лет инженеры, дизайнеры, юристы и маркетологи все еще будут иметь те же самые должности, но выполнять фундаментально другую работу.

Меня не удивит, если через несколько лет компании перестанут оценивать сотрудников исключительно по их профессиональной экспертизе. Не менее важным станет способность строить и управлять личной экосистемой цифровых агентов, понимать сильные и слабые стороны разных моделей, выбирать правильный инструмент для каждой задачи и контролировать стоимость всей цифровой инфраструктуры.

В某ком смысле каждый знаний работник становится менеджером. Разница заключается в том, что часть его команды больше не состоит из людей, а из цифровых работников.

Сегодня, через мою работу в Introspector и мое сотрудничество с компаниями, строящими физические решения ИИ, я вижу следующий этап этой эволюции. Если первым вопросом было, как интегрировать ИИ в бизнес-процессы, теперь разговор смещается к чему-то более фундаментальному: как разделить работу между людьми и интеллектуальными системами так, чтобы они действительно дополняли друг друга и создавали экономическую ценность.

Поэтому я считаю, что управление ИИ постепенно становится профессией сама по себе. Мы уже видим консультантов, чья работа заключается в том, чтобы помочь организациям проектировать рабочие потоки ИИ, выбирать правильные инструменты и оптимизировать затраты. И я уверен, что спрос на этот вид экспертизы будет только продолжать расти.